<![CDATA[Harga rumah tinggal di kawasan perkotaan Indonesia, khususnya Jakarta Selatan, Depok, dan Bandung, bersifat dinamis dan dipengaruhi oleh berbagai faktor yang kompleks sehingga diperlukan pendekatan prediksi yang akurat dan adaptif. Penelitian ini bertujuan menghasilkan model prediksi harga rumah tinggal yang akurat sebagai acuan pengambilan keputusan properti di wilayah dengan dinamika pasar yang tinggi, dengan membandingkan performa Ensemble Stacking Regressor terhadap model tunggal untuk menentukan pendekatan terbaik. Dataset yang digunakan bersumber dari tiga dataset publik di platform Kaggle dengan total 32.412 data yang digabungkan menjadi satu dataset terpadu. Pipeline penelitian mencakup data cleaning, feature engineering, exploratory data analysis, feature selection, dan preprocessing yang ketat berbasis stratified hold-out split 70:30, IQR outlier removal, Smoothed Target Encoding, dan StandardScaler, seluruhnya di-fit dari data training untuk mencegah data leakage. Pengembangan model menggunakan GridSearchCV 5-Fold untuk hyperparameter tuning dan Out-of-Fold 5-Fold untuk melatih Ridge meta-learner. Evaluasi akhir pada 30% data test menunjukkan Stacking Ensemble mencapai performa terbaik dengan R² = 0,7791, RMSE = Rp 364.020.171, dan MAE = Rp 245.314.435. Hasil uji Wilcoxon Signed-Rank Test mengonfirmasi bahwa Stacking Ensemble berbeda signifikan secara statistik dibandingkan Linear Regression dan XGBoost, namun tidak berbeda signifikan dengan Random Forest akibat tingginya korelasi prediksi antara kedua model tersebut.]]>
Copyrights © 2026
